气候干旱事件的时间序列网络方法的应用研究.pdf

摘 要 进入经济，科技，文化全球化的大数据时代，复杂网络与非线性时间序列的 应用研究越来越受到关注，例如流行病传播，大脑功能网络，气候干旱事件以及 金融股票波动等，时间序列的分析方法可以为我们提供新颖的思考与探索方向。 目前，传统的研究非线性时间序列的方法受到复杂网络研究的影响而得到了快速 的发展，然而由于实际研究中序列长度和噪声的影响，极大限制了时间序列网络 方法的广泛应用。本文着眼于气候干旱极端事件的时间序列，讨论复杂网络方法 在实际序列分析碰到的共性问题，并提供解决办法。 本文关注巴西东北部(NEB)近些年来持续的干旱事件，因为该地区自2010 年就开始处于持续干旱状态，造成了重大的社会影响与经济损失。NEB 极端干 旱事件的物理机制是周边热带海洋不同的相互作用时间尺度引起的，因此本文以 1979-2018年降雨量数据以及大西洋、太平洋、厄尔尼诺等不同区域的海表温度 数据，将事件时间序列转化为ordinalpattern 符号序列并构建序列间的转换网络。 此外我们根据Kullback-Leibler 散度(KLD)计算符号序列间的非均匀性，得到两 个时间序列间的耦合时滞信息。并且本文提出基于KLD 计算统计可靠性的假设 检验，得到了很好的验证。最后我们用时滞信息与干旱周期长度(DPL)定量分析 了NEB 降水的季节性时间尺度的动态变化。 本文提出的非线性时间序列网络方法为研究事件时间序列间的相互作用提 供了新的研究思路，并进一步提出了耦合方向结果显著性的统计假设检验方法， 这也为后续研究多个系统间的耦合关系奠定了基础。 关键词： 复杂系统，降雨量，海表温度，时间序列网络，预测 i ABSTRACT Entering the big data era of economic, technological and cultural globalization, the application of complex network and nonlinear time series research gets more and more attention, such as the epidemic spread, the brain functional networks, extreme climate events as well as the financial stock volatility. Time series analysis methods can provide us with innovative thinking and exploration direction. In the present, traditional nonlinear time seriesmethods are experiencingrapidly development due to the influence of complex network research.However,wide applications oftime series ofnetwork methodsare greatly restrictedbecause ofthe influence of serieslength and thenoise effects inpracticalresearches.Takingtime series of climate drought extreme events as examples, we focus on discussing the common problems encountered by complexnetwork methodsinrealtime seriesanalysisandproviding solutions. This thesis focuses on the ongoing drought events in northeast Brazil (NEB) in recent yearsbecausethisregion hasbeen experiencing apersistent drought since2010, resulting in significant social impacts and econ